Couvre les variables aléatoires, les espaces déchantillons, les distributions de probabilité, les fonctions, la valeur attendue, la variance et les estimations.
Introduit la probabilité, les statistiques, les distributions, l'inférence, la probabilité et la combinatoire pour étudier les événements aléatoires et la modélisation en réseau.
Explore le concept d'entropie exprimée en bits et sa relation avec les distributions de probabilité, en se concentrant sur le gain et la perte d'informations dans divers scénarios.
Explore les processus de Poisson à travers des exemples et des preuves, en discutant des arrivées de clients dans un magasin et des probabilités connexes.
Explore l'information mutuelle, quantifiant les relations entre les variables aléatoires et mesurant le gain d'information et la dépendance statistique.
Discute de l'estimation et de la propagation de l'incertitude dans les variables aléatoires et de l'importance de gérer l'incertitude dans l'analyse statistique.
Introduit la théorie des probabilités, les variables aléatoires et les distributions, en mettant l'accent sur leurs applications dans la diffusion atomique.
Explique les moments, l'attente, la variance et les quantiles dans les distributions de probabilités avec des exemples comme Poisson et des distributions exponentielles.
